دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Roy H. Kwon (Author)
سری:
ISBN (شابک) : 9781439862636, 9780429169458
ناشر: CRC Press
سال نشر: 2013
تعداد صفحات: 356
زبان:
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر بهینه سازی خطی و برنامه های افزودنی با متلب: مهندسی و فناوری، مهندسی صنایع و ساخت، تحقیق در عملیات، سیستمهای تولید، ریاضیات و آمار، آمار و احتمال، تحقیق در عملیات
در صورت تبدیل فایل کتاب Introduction to Linear Optimization and Extensions with MATLAB به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر بهینه سازی خطی و برنامه های افزودنی با متلب نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پر کردن نیاز به یک کتاب مقدماتی در مورد برنامه ریزی خطی که راه های مهم کاهش عدم قطعیت پارامترها را مورد بحث قرار می دهد، مقدمه ای بر بهینه سازی خطی و برنامه های افزودنی با MATLAB® مقدمه ای ملموس و شهودی و در عین حال دقیق برای بهینه سازی خطی مدرن ارائه می دهد. علاوه بر موضوعات اساسی، این کتاب در مورد فنآوریهای بهینهسازی خطی فعلی مانند مسیر پیشبینیکننده به دنبال روشهای نقطه داخلی برای بهینهسازی خطی و درجه دوم و همچنین گنجاندن بهینهسازی خطی عدم قطعیت یعنی برنامهریزی تصادفی با توسل و بهینهسازی قوی بحث میکند. نویسنده هم برنامه نویسی تصادفی و هم بهینه سازی قوی را به عنوان چارچوب هایی برای مقابله با عدم قطعیت پارامتر معرفی می کند. رویکرد غیرمعمول نویسنده - توسعه این موضوعات در یک کتاب مقدماتی - اهمیت آنها را برجسته می کند. از آنجایی که اکثر برنامه ها نیاز به تصمیم گیری در مواجهه با عدم قطعیت دارند، معرفی اولیه این موضوعات تصمیم گیری را در محیط های دنیای واقعی تسهیل می کند. نویسنده همچنین شامل برنامه های کاربردی و مطالعات موردی از مدیریت مالی و زنجیره تامین است که شامل استفاده از MATLAB می شود. اگرچه چندین متن LP در بازار وجود دارد، اکثر آنها عدم قطعیت داده ها را با استفاده از برنامه نویسی تصادفی و تکنیک های بهینه سازی قوی پوشش نمی دهند. اکثراً بر استفاده از MS Excel تأکید دارند، در حالی که این کتاب از MATLAB استفاده می کند که ابزار اصلی بسیاری از مهندسان از جمله مهندسان مالی است. این کتاب بر روی روشهای پیشرفته برای مقابله با عدم قطعیت پارامتر در برنامهریزی خطی، تئوری و روشها به شدت در حال توسعه است. اما مهمتر از آن، توجه دقیق نویسنده به توسعه شهود قبل از ارائه نظریه باعث زنده شدن مطالب می شود.
Filling the need for an introductory book on linear programming that discusses the important ways to mitigate parameter uncertainty, Introduction to Linear Optimization and Extensions with MATLAB® provides a concrete and intuitive yet rigorous introduction to modern linear optimization. In addition to fundamental topics, the book discusses current linear optimization technologies such as predictor-path following interior point methods for both linear and quadratic optimization as well as the inclusion of linear optimization of uncertainty i.e. stochastic programming with recourse and robust optimization. The author introduces both stochastic programming and robust optimization as frameworks to deal with parameter uncertainty. The author’s unusual approach—developing these topics in an introductory book—highlights their importance. Since most applications require decisions to be made in the face of uncertainty, the early introduction of these topics facilitates decision making in real world environments. The author also includes applications and case studies from finance and supply chain management that involve the use of MATLAB. Even though there are several LP texts in the marketplace, most do not cover data uncertainty using stochastic programming and robust optimization techniques. Most emphasize the use of MS Excel, while this book uses MATLAB which is the primary tool of many engineers, including financial engineers. The book focuses on state-of-the-art methods for dealing with parameter uncertainty in linear programming, rigorously developing theory and methods. But more importantly, the author’s meticulous attention to developing intuition before presenting theory makes the material come alive.
FUNDAMENTALS: Geometry of Linear Optimization. Simplex Method. Duality and Sensitivity Analysis. EXTENSIONS: Decomposition in Linear Optimization. Quadratic Optimization. Interior Point Methods. ROBUST STRATEGIES FOR LINEAR OPTIMIZATION: Stochastic Programming. Robust Linear Optimization.